Author: aitrendtrackers@rengongzhineng.io

Python 3.13 最近正式发布，带来了大量重要更新。作为机器学习、数据科学和人工智能领域最广泛使用的编程语言，Python一直在不断演变，以满足这些领域日益增长的需求。此次发布的Python 3.13包含了多个旨在提升性能和开发效率的改进，标志着该语言在ML和AI项目中的重要里程碑。Python在这些领域占据主导地位，主要归功于其简洁的语法、丰富的库支持以及庞大的社区。然而，随着人工智能领域的不断扩展，对更高效的Python代码需求变得愈加迫切。 Python 3.13 引入了实验性功能，如无GIL多线程执行和即时编译（JIT），这些功能可以显著提高机器学习训练和推理等计算密集型任务的性能。以下是此次更新中最重要的几点，帮助开发者更轻松地了解新版本的改进内容： 1. 实验性的无GIL多线程支持 (PEP 703) Python的全局解释器锁（GIL）一直以来都是多线程处理中的一个重大瓶颈，尤其在需要并行计算的任务中。GIL限制了多个原生线程同时执行Python字节码，这对于依赖CPU的大规模机器学习模型训练任务造成了性能瓶颈。虽然Python支持多线程，但由于GIL的存在，实际上在任何时刻只有一个线程在运行解释器。 自由线程化执行的引入Python 3.13 引入了实验性的无GIL执行支持，这意味着Python现在可以真正支持多线程。通过去除GIL，Python能够在多个核心上同时运行多个线程，从而大幅提升多线程应用的执行速度。 机器学习工作负载的好处 2. 即时编译器 (JIT) 的引入 (PEP 744) 即时编译器通过在程序执行时将部分代码编译为机器语言来提升性能，而不是像传统的提前编译方式。这使得代码执行速度更快，尤其适用于机器学习和AI等计算密集型任务。 传统解释与JIT编译的差异 对ML和AI开发的影响 3. 增强的类型系统 Python 3.13在类型系统方面也做出了多项改进，帮助开发者编写更加清晰、易维护且类型安全的代码。这对大型机器学习项目尤为有用，因为清晰的类型定义有助于避免运行时错误。 4. “asyncio” 的改进 Python 3.13为asyncio模块带来了几项重要更新，提升了并发和任务管理的能力。对于需要实时数据处理或模型推断的AI和ML环境来说，这些改进至关重要。 TaskGroup增强 5. 标准库增强 Python 3.13中的标准库也做出了若干更新，为机器学习和AI开发工作流带来了极大便利。 6. 安全性与可靠性改进 Python 3.13引入了多项安全性更新，确保AI应用能够在分布式环境中更安全、可靠地运行。例如，SSL的默认安全配置得到了增强，使网络通信更加安全。 7. 平台支持更新 Python 3.13显著扩展了对平台的支持，首次正式支持iOS和Android设备。这对于希望将AI模型部署到移动设备的开发者来说是一个重大利好。 WebAssembly支持Python 3.13加强了对WebAssembly的支持，允许Python代码在浏览器中运行，打开了客户端机器学习应用的新可能性。 8. 发布周期更新 Python 3.13扩展了发布支持周期，延长了完整支持期至两年，这为长期项目提供了更大的稳定性，特别适用于AI模型的生产部署。 如果你从事机器学习和人工智能领域的开发，现在正是探索Python 3.13新特性的好时机。测试无GIL多线程和JIT编译器，看看它们如何提升你的工作负载。

著名的人工智能研究人员对通用人工智能（AGI）的到来有着截然不同的预测，时间范围从“未来几年”到“可能永远不会发生”不等。同时，经济学家对人工智能的潜在影响也意见不一：有些人预期AI将带来持续加速的生产力增长，而另一些人则预计AI只会带来较为温和的提升。不过，大多数专家一致认为，尽管科技进步可能充满希望，但并不能保证每个人都会从中受益。 不幸的是，尽管一些知名的AI研发机构声称确保AI惠及所有人是其核心目标或指导原则之一，然而在AI治理方面，真正投资于促进包容性未来的领域却少之又少。鉴于当前AI领域的不确定性，这种现象似乎可以理解：AI对劳动力市场和不平等的影响仍然充满未知，因此很难设计出有效的干预措施。然而，未来几十年AI与不平等之间的相互作用，至少有一些因素可以预测。如果能够关注这些因素，我们将有机会让“AI惠及每个人”不再只是一个空想。 由于AI的发展主要由私营部门推动，因此它深受全球经济激励结构的影响。如果说可以对这些经济体的未来做出相对确定的预测，那么其中一个显而易见的因素就是人口结构。高收入国家的人口正迅速老龄化，且没有移民的情况下人口将减少，而低收入和中等偏下收入国家的人口则将在本世纪持续增长，原因是出生率远高于死亡率。 那么，这与AI有什么关系呢？AI开发集中在老龄化严重的国家，因此其发展路径将受到这些国家现实需求和激励的驱动。在这些国家，劳动年龄人口与退休人口的比例正在大幅下降，使得维持养老金计划和控制医疗成本变得越来越困难。为了保持退休人口的生活水平和总体经济活力，这些国家将寻找扩充有效劳动力的途径，无论是通过人力还是人工智能。增加退休年龄可以带来一些有限的（但很可能不受欢迎的）效果，而更大规模的劳动力补充则可能通过移民实现。然而，维持劳动年龄人口与退休人口的比例不变，意味着高收入国家需要大幅增加移民数量。尽管广泛的反移民情绪使这一前景看似不太可能，但如果人们面临养老金减少和医疗成本上升的压力，舆论可能会迅速发生变化。 如果高收入国家的移民政策仍然过于严格，未来几十年我们可能会看到通过AI填补劳动力空缺的经济激励大幅增强。表面上看，人口减少和职位空缺似乎不会加剧不平等，但如果AI的引入伴随着利益分配不均、就业不稳定、对工人过度监控，以及对劳动技能的数字化却缺乏相应补偿，那么不平等问题将加剧。 即使AI取代劳动力的努力在发达国家取得了良好进展，这也可能加深国家之间的贫富差距。在21世纪的大部分时间里，低收入国家的人口将继续年轻化和增长，而这些国家迫切需要的不是替代劳动的技术，而是有益的就业机会。问题在于，虽然某些国家发明的机器是为了解决劳动力短缺问题，但这些技术往往会迅速传播到那些失业率高且大部分劳动人口从事非正式工作的国家。于是我们可以看到，自助服务终端出现在南非的餐馆和印度的机场，取代了这些国家本已稀缺的正规就业岗位。 在这样的世界中，许多有利于全球发展的AI应用可能会相对滞后于那些节省劳动力的项目。例如，开发应对气候变化、预测自然灾害或提供个性化教育的AI项目，可能会让位于那些专注于降低零售、酒店和交通行业劳动力成本的项目。要确保AI不仅仅为富裕国家服务，还能帮助解决贫困国家的需求，政府、开发银行和慈善机构需要进行更大规模、更有针对性的投资。而目前，这类投资的资金规模相对较小，AI正沿着一条“默认”路径前进，而这条路径距离包容性发展目标相去甚远。 不过，默认并不等于命运。我们可以选择将更多的公共研发力量引向应对全球紧迫挑战，例如加速绿色转型和改善教育成果。我们也可以增加对低收入国家AI开发中心的投资和支持。制定有助于增加劳动力流动性的政策，将有助于在国家之间创造更平衡的劳动年龄人口分布，减轻促使商业AI替代就业的经济压力。如果我们什么都不做，那么扭曲的激励机制将继续塑造这一强大技术，带来深远的负面后果，不仅是对低收入国家而言，更是对所有人。

中国的两名男性和一名女性在接受了经过生物工程和CRISPR基因编辑的免疫细胞治疗后，其严重的自身免疫疾病已进入缓解状态。这三名患者是全球首批使用捐赠者免疫细胞（而非自体细胞）进行治疗的自身免疫疾病患者。这一突破标志着这种治疗方式向大规模生产迈出了重要一步。 其中一位患者是57岁的上海人龚先生，他患有系统性硬化症，这种疾病会影响结缔组织，导致皮肤僵硬和器官损伤。他表示，在接受治疗三天后，皮肤开始变得松弛，手指和嘴巴的活动能力也有所恢复。两周后，他便重返工作岗位。龚先生表示，在接受治疗一年多后，他依然感觉良好。 这种被称为嵌合抗原受体（CAR）T细胞的工程化免疫细胞，在治疗血液癌症方面展现出了巨大的潜力，美国已经批准了多款产品。同时，这种疗法在治疗自身免疫疾病方面也展现了希望，例如系统性红斑狼疮和多发性硬化症等，在这些疾病中，免疫系统会攻击自身组织。然而，现有的CAR-T疗法通常依赖患者自体免疫细胞，使得治疗过程既昂贵又耗时。 为了提高效率，研究人员开始探索使用捐赠的免疫细胞来制造CAR-T疗法。如果成功，这一方法将使制药公司能够规模化生产，从而大幅降低成本和缩短生产时间。来自清华大学的免疫学家林欣表示，一个捐赠者的细胞可以为100多人提供治疗，而不是每个患者都需要定制疗法。 这项临床试验由上海海军军医大学的风湿病学家徐虎吉领导，研究结果发表在《细胞》杂志上。治疗六个月后，患者的病情仍处于缓解状态。徐教授表示，已有另外24名患者接受了这种疗法，结果大多是积极的。 CAR-T细胞疗法通常从患者体内提取T细胞，经过工程化处理后再回输。而此次，研究人员从一位21岁的女性捐赠者体内提取T细胞，并通过CRISPR技术编辑这些细胞，以避免捐赠的细胞攻击受体，同时防止受体的免疫系统排斥捐赠细胞。 研究人员表示，尽管短期内疗效显著，但仍需长期观察疗效是否持久。

今天，Anthropic公司正式推出升级版Claude 3.5 Sonnet和全新模型Claude 3.5 Haiku。升级后的Claude 3.5 Sonnet在各方面性能上都有显著提升，尤其在编码领域，其表现已领先于其他AI模型。而Claude 3.5 Haiku的表现也不遑多让，它的表现与此前最大的Claude 3 Opus相当，但速度更快、成本更低，与上一代Haiku性能相似。 与此同时，Anthropic还推出了一个颠覆性的功能——AI操作电脑，现已在API上进入公测阶段。开发者可以让Claude像人类一样使用电脑，能够“看”屏幕、移动光标、点击按钮、输入文字。Claude 3.5 Sonnet是首个公开测试阶段支持这一功能的AI模型，目前仍处于实验阶段，偶尔操作还不够流畅、容易出错。Anthropic旨在通过开发者的反馈不断完善这一功能。 Asana、Canva、Cognition、DoorDash、Replit和The Browser Company等公司已开始利用Claude 3.5 Sonnet的电脑操作能力，完成需要数十甚至上百步的复杂任务。例如，Replit正利用其UI导航能力，开发一项关键功能，用于在应用程序构建过程中进行评估。 现在，升级版Claude 3.5 Sonnet已经对所有用户开放，开发者可以通过Anthropic API、Amazon Bedrock和Google Cloud的Vertex AI进行构建。而全新的Claude 3.5 Haiku将在本月晚些时候发布。 Claude 3.5 Sonnet：行业领先的软件工程能力 升级后的Claude 3.5 Sonnet在多个行业基准测试中表现优异，特别是在编码和工具使用任务中表现突出。在编码方面，其在SWE-bench Verified中的表现从33.4%提升到49.0%，超越了所有公开可用的模型，包括专门设计用于代理编码的系统和推理模型。同时，它在TAU-bench工具使用任务中的表现也有所提升，从零售领域的62.6%提升至69.2%，在更具挑战性的航空领域则从36.0%上升到46.0%。 GitLab对该模型进行了DevSecOps任务测试，发现其推理能力提升了约10%，并且没有增加延迟，非常适合用于多步骤的软件开发流程。Cognition也使用Claude 3.5 Sonnet进行自主AI评估，发现其编码、规划和问题解决能力相比前一代有了显著改善。而The Browser Company则在使用该模型进行网页自动化工作流程时，发现它的表现优于之前测试过的所有模型。 此外，Claude 3.5 Sonnet的部署前测试还由美国AI安全研究所（US AISI）和英国安全研究所（UK AISI）联合进行，确保其安全性能符合Anthropic的《责任扩展政策》中的ASL-2标准。 Claude 3.5 Haiku：速度与性价比的完美结合 Claude 3.5 Haiku是Anthropic最新、速度最快的模型，与Claude 3 Haiku相比，虽然成本相同、速度相似，但在各个方面都有提升，甚至在许多智能基准测试中超过了Claude 3 Opus。它在编码任务上的表现尤为突出，例如在SWE-bench…

Perplexity 推出了一项全新的功能——内部知识搜索和Spaces，旨在提升用户的研究效率，并为团队提供更强大的协作工具。 内部知识搜索：从网络到工作空间，Perplexity 覆盖所有信息 多年来，Perplexity的用户一直要求能够在网络内容之外，搜索内部文件。现在，Perplexity Pro和Enterprise Pro用户可以同时在公共网络和内部知识库中进行搜索，将不同来源的信息无缝整合，加快获取答案的速度。 一些企业客户已经率先使用了这一功能，例如： Perplexity首席执行官Aravind Srinivas表示：“在相关业务背景下搜索网络信息从未如此简单。Perplexity将内外部数据整合在一个平台上，为企业带来了巨大的生产力提升。” Spaces：你的AI驱动的研究与协作中心 Perplexity还推出了Spaces，这是一个支持团队合作的AI驱动平台，团队成员可以在这里共同研究、组织信息。无论是进行项目研究、创建客户提案，还是学生团队制作学习指南，Spaces 都可以根据具体需求深度定制。 在Spaces中，用户可以： Spaces为团队提供全面的访问控制，确保所有研究和文件在团队内部保持安全。对于Enterprise Pro用户，所有文件和搜索结果默认不参与AI训练。Pro用户也可以在设置中选择退出AI训练。 即将推出的第三方数据集成 不久后，Enterprise Pro 用户还可以使用Crunchbase和FactSet的数据集成，进一步扩展知识库。这将允许用户同时搜索公共网络、内部文件和专有数据集，更多第三方集成也在开发中。 Perplexity 正在打造一个全面、快速、准确的研究平台，成为任何组织的综合知识中心。了解更多并注册Enterprise Pro，请访问 Perplexity官网。

目前，已有60%的财富500强企业在使用Microsoft 365 Copilot来加速业务成果并赋能团队。Lumen Technologies通过Copilot支持销售团队，预计每年可节省5000万美元成本。Honeywell的生产力提升相当于增加了187名全职员工，而Finastra则将创意生产时间从七个月缩短至七周。 今天，微软宣布了新的“智能代理”功能，以加速这些成就并将AI优先的业务流程带入每个组织。首先，Copilot Studio即将于下月开启公测，允许用户创建自主的智能代理。其次，微软为Dynamics 365引入了10个全新的自主代理，帮助销售、服务、财务和供应链团队提升效能。 Copilot Studio赋能更多用户创建自主代理 今年早些时候，微软推出了Copilot Studio中的强大功能，用户可以创建自主的智能代理。这些功能即将从私测转为公测，帮助更多企业重塑关键业务流程。智能代理可以利用Microsoft 365 Graph、系统记录、Dataverse和Fabric中的工作数据，从IT服务台支持到员工入职培训，再到销售和服务，提供全方位的支持。 像Clifford Chance、麦肯锡公司、Pets at Home和Thomson Reuters等企业已经在使用智能代理来提高收入、降低成本并扩大影响力。例如，Pets at Home开发的代理可以更高效地整理案件，每年可能节省七位数的成本。麦肯锡公司通过代理大幅缩短客户入职流程，试点结果显示入职时间减少了90%，行政工作减少了30%。Thomson Reuters开发的代理则能将法律尽职调查工作效率提高一倍，有望增加客户工作效率并促进新业务增长。 Dynamics 365中的10个新代理扩展团队能力 微软的新代理帮助客户从传统业务应用转向AI优先的业务流程。AI不仅是今天的投资回报率来源，更是未来的竞争优势。以下是其中一些代理的示例： 随着代理在企业中的普及，客户希望确保数据治理和安全性，微软的智能代理遵循严格的安全、隐私和负责任的AI承诺，所有数据来源都经过严格管理，确保安全性。 微软的转型 微软也在利用Copilot和智能代理重新定义业务流程，从销售、营销到人力资源，全面提升员工的工作效能。例如，某销售团队通过Copilot实现了9.4%的每位销售人员收入增长，成功交易数增加了20%。此外，营销团队的Azure网站转化率提高了21.5%。 使用Copilot和智能代理的可能性无限，期待看到更多创造性应用。现在就可以在Copilot Studio中开始创建智能代理，了解更多请访问Copilot Studio和Dynamics 365博客。

前言：可能没问题——除非你在乎自我提升或对工作充满自豪感 要先明确一点，本文中提到的“使用AI生成代码”特指让AI为你写代码，而不是利用AI工具来帮助理解编程语言或库，从而提升自己写代码的能力（对于这一点，我也有不少看法）。如果你是通过编写方法名称或注释，向AI描述功能，然后让AI自动生成代码，或者依赖AI来理解你的代码库，那么这篇文章就是专门为你写的。 为什么不应该使用AI生成代码 你剥夺了自己学习的机会 在早期互联网时代，有个贬义词“脚本小子”（script kiddie），用来形容那些不理解黑客原理，只会用现成工具或脚本入侵系统的人。他们下载一个可以破解密码、访问他人电脑、篡改网站的脚本，然后自以为是了不起的黑客。 你或许认为将使用AI生成代码的开发者比作“脚本小子”有些夸张。但我不这么认为。 那些脚本小子想成为真正的黑客，但他们永远无法通过运行现成脚本达到这个目标。同样，靠AI写代码的开发者想成为“资深开发者”，但依赖AI来写代码反而阻碍了他们成长的机会。真正的资深开发者是那些自己写代码，并让这些代码成为AI训练数据的人。 不实际动手写代码，你就不会进步。就像你不下棋，就不会提高棋艺；不去打冰球，就不会成为更好的球员；你不亲自动手弹钢琴，只听妈妈的音乐专辑，也不会成为钢琴家。软件开发也是如此，如果你不写代码，技能永远不会提升。 已有的技能可能会退化 假如你已经是个有经验的程序员，觉得自己编程能力足够强，那是不是就可以让AI来做“无聊的事”呢？比如生成项目框架、写递归函数、生成模板化代码等等。 这种想法可能看似合理，毕竟资深开发者早在AI出现前就把琐碎的工作交给初级程序员去做了。但不同的是，指导初级程序员能帮助你巩固技能，而依赖AI只会让你技能退化。 在软件开发和生活中，长时间不做某件事，你就会忘记它。就像你学的第一个编程语言，可能现在连一句语法正确的代码都写不出来。停止写代码，你会变得“生疏”，忘记基础知识，连复杂问题也会变得更难处理。 你可能依赖自己的“最终替代者” 许多AI编程工具目前对学生免费开放，这并不是善心，而是希望通过让新一代开发者依赖这些工具，未来获得持续的订阅收入。AI公司瞄准了未来的开发者，希望他们成为依赖AI的“代码小子”，而非独立思考的开发者。 如今，语法高亮、代码自动补全等工具的确让我们更高效，但它们的目的是辅助我们写出更好的代码。而AI工具的终极目标是完全取代你。 使用AI生成代码的理由 你喜欢做代码审查胜过写代码 如果你热爱做代码审查而非写代码，那或许使用AI对你来说是好选择。毕竟，AI生成的代码只会让你的工作重心从编写代码转向审查代码。如果你真的享受审查他人代码的“乐趣”，那么AI或许是个不错的帮手。 你并不想成为程序员 如果你对编程没有兴趣，只是想把AI当作自由职业者来雇佣，让它帮你做游戏或应用开发，那这些意见对你不适用。你也许就是那些公司眼中的未来用户，他们期待有一天可以不需要程序员，直接用AI生成所有的应用程序。 你相信未来的“无工时代” 如果你认为AI将引领一个“无工作时代”，并且信任大公司会引导我们进入这个新时代，那你可能已经不在乎这些技术对个人技能的影响了。对于其他人来说，还是自己动手编写代码，这不仅是一种技能提升，更是一种自豪感的源泉。

Meta公司正在测试一项新的面部识别系统，旨在打击利用名人头像的诈骗广告，确保其旗下的Instagram和Facebook等社交媒体平台变得“对骗子更难以利用”。 这些骗子常通过AI生成的假名人照片吸引用户点击广告，最终将他们引导至诈骗网站，要求提供私人信息甚至金钱。Meta的新系统将扫描可疑广告中的名人图像，与这些名人的个人资料图片进行比对。如果匹配并确认广告为诈骗，广告会被立即屏蔽。 这一系统目前正在全球50,000名受此类诈骗影响的名人中进行测试。早期测试显示，该系统在提高检测和封禁诈骗广告的速度和效率方面有“积极效果”。参与测试的名人已经通过应用内通知得知自己默认参与该测试，并提供了选择退出的详细说明。 这并非Meta首次涉足面部识别技术。早在2021年，Meta就因其Facebook的“人脸识别”自动照片标记功能遭遇两起诉讼，一宗以6.5亿美元和解，另一宗则赔偿了14亿美元，指控其未经许可使用人脸识别技术。 尽管Meta表示该系统经过了“全面”的隐私审查，涵盖了监管机构、专家、政策制定者和其他关键利益相关方，外界对其隐私合规性的质疑依然存在。尤其值得注意的是，Meta拒绝在隐私法规严格的英国或欧盟测试这项技术。

上个月，微软宣布将为重启三里岛核电站的一号反应堆提供资金，以应对公司不断增长的数据中心用电需求。这一举动使微软成为继亚马逊之后，第二家利用传统核设施来满足能源需求的美国科技巨头。微软是OpenAI的主要投资者和计算提供方，而OpenAI自发布ChatGPT以来，引发了AI开发的革命性增长。重启核电站的决定，也突显了为满足新兴AI系统需求所带来的大量物理投资。 如今，AI产品被广泛用于生成代码、文本、图像，数据分析，任务自动化，增强在线平台等方面，且未来使用量只会进一步增加。然而，这些尖端AI模型需要庞大的计算资源进行训练和推理，这种计算需求依赖于工业规模的数据中心设施，而这些设施需要大量的电力、水资源、宽带等基础设施来运作。 AI热潮的直接结果是，美国固定资产投资激增，以满足计算需求的快速增长。如今，美国数据中心建设速度创下新高，年投资额达到286亿美元，同比增长57%，相比两年前增长了114%。这一建设投资规模相当于美国在餐厅、酒吧和零售店上的年度建设支出总和。 值得注意的是，这个数字仅指建筑物本身，还不包括数据中心内的大量高性能计算机及其所需的电缆、风扇等配件。今年8月，美国大型计算机净进口量创下新纪录，计算机零件及配件的净进口量在7月也达到了历史新高。过去一年中，美国在这些领域的进口总额已超过650亿美元，并且国内生产也在持续增长。 这些新增的数据中心、计算机和设备主要由信息技术领域的公司采购，包括亚马逊这样的计算基础设施提供商，Google这样的网络搜索公司，以及微软这样的软件发行商。过去一年中，这些公司在不动产、工厂和设备上的净投资增加了950亿美元，创下历史新高，这表明它们在激烈的竞争中加速扩展并部署AI系统。 与十多年前的科技行业相比，当前的情况发生了巨大变化。过去轻量级的软件公司如Instagram和WhatsApp曾被视为未来，而今天，Meta（前身为Facebook）仅在2024年上半年就花费了152亿美元，主要用于支持其Llama品牌AI模型的大规模计算基础设施。当前的AI热潮是有史以来最依赖硬件的技术变革，极大地推动了美国的建设和投资。 美国企业在计算机及相关设备上的投资飙升，过去一年增长了16.6%，甚至考虑到通货膨胀后，这仍然是新纪录。这与2010年代的投资停滞形成鲜明对比。当时，投资直到疫情爆发的远程办公需求激增才开始回升。虽然2022年投资略有回调，但自2023年底AI热潮开始后，投资再度飙升。 其中，最顶尖的计算机系统增长最快。台湾的台积电（TSMC）是全球领先的尖端半导体制造商，而美国对AI计算的需求可以从从台湾进口的芯片和相关组件的激增中看出。过去一年里，美国从台湾的这些进口总额超过380亿美元，同比增长140%以上。 尽管硬件投资在全国各地并不均匀分布，但数据中心通常会集中在大规模集群中，以提高效率并降低成本。这一趋势在AI领域尤为显著，企业正极力扩展数据中心的规模和网络能力，以尽可能多地投入计算能力进行AI模型开发。 总体而言，AI开发者们正在激烈竞争，争取通过不断改进产品和扩大商业化来证明当前大规模投资的价值。美国作为全球AI和数据中心技术领先的国家，受益于此轮AI投资热潮，而地缘政治竞争也因此愈加激烈，尤其在硬件产能方面。随着AI投资的持续增长，未来的“芯片战争”将进一步加剧。

微软和Salesforce之间的竞争因AI代理技术的爆发而再次升温。微软近日宣布，为其Dynamics 365业务应用程序新增10款AI代理工具，这些工具可以在销售、服务、财务和供应链管理等领域自动完成任务。 微软的AI at Work项目首席营销官Jared Spataro表示，AI代理将成为AI驱动世界中的新应用，每个组织都会拥有从简单的提示响应到完全自主的AI代理，它们将为个人、团队或职能部门执行和协调业务流程。 这项消息是在微软伦敦“AI巡展”活动上公布的，时间上恰逢Salesforce即将于10月25日推出竞争产品——Agentforce自主AI技术。这一技术主要用于销售和服务领域。Salesforce的CEO Marc Benioff近来对微软的Copilot AI技术提出了尖锐批评，指责其让企业客户失望，并且在数据安全上存在隐患。 过去十年，微软与Salesforce的关系堪称科技界的“亦敌亦友”典范，两家公司在合作互利时联手，但更多时候是在多个领域激烈竞争。微软宣布，目前全球500强企业中有60%在使用其Copilot技术，并举例说明，如Lumen Technologies通过AI为销售人员提供支持，预计每年节省5000万美元；而Honeywell则通过AI提升了相当于增加187名全职员工的生产力。 两家公司推出的AI代理都反映了整个行业推动AI超越助手角色的发展趋势，赋予AI自主完成任务和执行指令的能力。微软也希望通过AI推动其在GitHub、Windows和Microsoft 365等产品中的业务增长。 在微软2024财年中，Dynamics产品和云服务的收入达到约65亿美元，相较于2023年的54亿美元和2022年的47亿美元，保持了稳定增长，尽管在微软年收入超过2450亿美元的整体业务中，这仍是一个相对较小的部分。 微软计划在今年底到明年初公开预览这些新AI代理，包括帮助优先处理潜在客户和自动化订单处理的销售代理，优化供应链和财务流程的供应商沟通代理和财务对账代理，以及提升客户服务的客户意图代理和知识管理代理。此外，微软还将在下月推出“Copilot Studio”，允许用户创建自主AI代理，进一步扩展AI的应用场景。